2025年12月17日,Meta发布了首个统一的多模态音频分离模型SAM Audio,可通过文本、视觉或时间段提示从复杂音频中分离特定声音。该模型基于感知编码器视听(PE-AV)技术,支持点击视频中的物体、输入文本指令或标记时间范围来提取目标音频,如点击吉他分离其演奏声,或过滤播客中的狗叫噪音。Meta同时推出评估基准SAM Audio-Bench与自动评测模型SAM Audio Judge,并已...
网页链接2025年12月17日,Meta发布了首个统一的多模态音频分离模型SAM Audio,可通过文本、视觉或时间段提示从复杂音频中分离特定声音。该模型基于感知编码器视听(PE-AV)技术,支持点击视频中的物体、输入文本指令或标记时间范围来提取目标音频,如点击吉他分离其演奏声,或过滤播客中的狗叫噪音。Meta同时推出评估基准SAM Audio-Bench与自动评测模型SAM Audio Judge,并已...
网页链接
精彩评论